AI per medici di base e specialisti: applicazioni reali nel 2026

L’Istituto Superiore di Sanità ha pubblicato a marzo 2026 il rapporto sull’adozione AI nel SSN italiano. Il dato che colpisce è la concentrazione geografica: l’82% dei sistemi AI clinici in uso negli ospedali italiani è installato in Lombardia, Emilia-Romagna, Toscana e Veneto. Il resto del Paese viaggia con anni di ritardo, sui tool come sulla formazione. E mentre cresce l’attenzione mediatica, l’AI Act ha classificato come high-risk gran parte delle applicazioni AI in sanità, con obblighi documentali pesantissimi.

Il punto è che tra cosa è clinicamente utile e cosa è normativamente sostenibile c’è oggi un divario reale.

Diagnostica per immagini: dove l’AI è già clinicamente accettata

I dati di adozione settoriale dell’AI in Italia sono nell’analisi enterprise Stanford AI Index 2026. La radiologia AI-augmented è l’area più matura. Sistemi come quelli di Aidoc, qure.ai, Lunit, Annalise.ai sono in uso in centinaia di ospedali europei per triage di TAC del torace (embolia polmonare, pneumotorace), TAC dell’encefalo (emorragie), mammografie (lesioni sospette), radiografie del torace (consolidamenti, pneumotoraci, fratture costali).

Lo schema operativo è quasi sempre il triage e il second-read. Il sistema AI analizza l’immagine prima o in parallelo al radiologo, segnala reperti sospetti, e in molti workflow promuove certi casi urgenti in coda di lettura. Il radiologo resta il decisore. In Italia gli ospedali maggiori come San Raffaele, Humanitas, Sant’Orsola, IEO, IRCCS Negri usano questi sistemi in routine clinica da almeno tre anni.

Il dato che pochi citano è il valore clinico misurato. Per il triage di emorragie cerebrali la sensibilità dei modelli più recenti supera il 95%, con specificità nell’ordine dell’85-90%. Tradotto, sono ottimi per non perdere casi seri ma producono falsi positivi che il radiologo deve filtrare.

Cartella clinica AI-assistita: la cambiamento meno raccontata

Il vero shift del 2025-2026 non è la diagnostica. È la cartella clinica AI-assistita. Sistemi come Nuance Dragon (Microsoft), Suki, DeepScribe, Abridge trascrivono in tempo reale la visita medico-paziente e producono una bozza strutturata di nota clinica. Il medico la rivede, modifica, firma. Tempo medio risparmiato per visita: 6-12 minuti, su 30-40 visite al giorno fa una differenza enorme.

In Italia l’adozione è iniziata seriamente nel 2025 con progetti pilota in alcune ASL del Nord. La barriera principale non è tecnica ma linguistica e contestuale: i modelli devono comprendere il lessico medico italiano, le abbreviazioni in uso, le strutture sintattiche delle anamnesi. I sistemi che funzionano sono quelli localizzati seriamente, non semplici traduzioni dell’inglese.

Per chi vuole comprendere l’orizzonte di trasformazione del lavoro professionale anche in ambito clinico, è utile la lettura dedicata. Per il medico di base questa è la prima applicazione AI che produce valore tangibile nella pratica quotidiana. Non solleva interrogativi etici complessi (la decisione clinica resta integralmente umana), riduce burden burocratico, migliora la qualità della documentazione. Federico Pichetto, VP del Comitato Tecnico-Scientifico AIPIA, lo ha sottolineato in più sedi: “Il tempo guadagnato dal medico non torna alla burocrazia, torna al paziente”.

Screening predittivo: promesse grandi, evidenze ancora parziali

I sistemi di screening predittivo per rischio cardiovascolare, diabete, alcune tipologie tumorali sono in piena fase di valutazione clinica. Funzionano su modelli statistici alimentati con dati di cartella clinica, esami di laboratorio, dati di stile di vita. Il prodotto è uno score di rischio individuale che orienta interventi di prevenzione mirati.

Il dibattito clinico è acceso. Da un lato l’evidenza che alcuni modelli identificano sottogruppi a rischio elevato non identificati con i metodi tradizionali. Dall’altro il rischio di sovradiagnosi, ansia indotta, interventi non necessari. La letteratura più recente, in particolare i lavori usciti su NEJM e BMJ nel 2025-2026, raccomanda cautela e validazione esterna su coorti italiane prima dell’adozione clinica.

Per il medico italiano la lettura pragmatica è: i tool di screening AI vanno valutati come qualunque altro presidio diagnostico, con riferimento a linee guida nazionali, evidenze cliniche, costi sostenuti dal SSN. La curva di entusiasmo dei vendor non è automaticamente un’indicazione clinica.

L’AI Act in sanità: cosa cambia per chi sviluppa e per chi usa

L’allegato III dell’AI Act classifica come high-risk i sistemi AI usati per la triage o per la diagnosi medica. Si sovrappone al Regolamento UE 2017/745 (MDR) per i dispositivi medici software, e i due regimi convivono con obblighi cumulativi per chi sviluppa, semplificati per chi usa.

Per gli sviluppatori italiani di software medico AI gli obblighi sono pesanti: marcatura CE come dispositivo medico classe IIa o superiore secondo MDR, sistema di gestione qualità ISO 13485, conformità AI Act articoli 8-15, valutazione clinica, post-market surveillance. È un livello di onere che esclude di fatto le startup non capitalizzate.

Per gli ospedali e gli studi medici che usano questi sistemi (deployer) gli obblighi sono più contenuti ma reali. Documentare le finalità di uso, garantire supervisione umana effettiva, formare il personale sull’uso del sistema, partecipare alla post-market surveillance segnalando incidenti, conservare i log. Tradotto in pratica: serve un AI register dell’ospedale e protocolli operativi scritti, oltre alla policy privacy adeguata.

Privacy sanitaria: il nodo che frena di più

I dati clinici sono dati particolari ex articolo 9 GDPR. Trattarli con sistemi AI richiede basi giuridiche solide e misure tecniche adeguate. Il Garante Privacy italiano ha pubblicato nel 2025 e 2026 diverse decisioni che chiariscono il quadro. Sintetizzando, sono accettabili: ricerca clinica con basi giuridiche specifiche, finalità di cura del singolo paziente, uso secondario con anonimizzazione solida documentata, partecipazione a registri di patologia con consenso.

Non sono accettabili senza adeguamenti: caricamento di dati clinici identificativi su LLM cloud consumer, uso di tool AI sviluppati senza valutazione di impatto privacy, condivisione di dati con vendor esteri senza adeguate clausole di protezione, finalità commerciali secondarie non disclosed al paziente.

Il problema operativo per ospedali e ASL è che la struttura tecnica per fare AI clinica in sicurezza è complessa: data lake con controlli di accesso granulari, pipeline di anonimizzazione, ambienti di computing isolati, audit log. Tutte cose che costano e richiedono competenze interne che mancano in molte strutture. aipia.it sta lavorando con alcune società scientifiche su modelli di governance condivisi che le strutture più piccole possono adottare.

Medicina generale: dove l’AI italiana è in maggior ritardo

Il medico di medicina generale italiano lavora con software gestionali storici (Millewin, ProfimWin, MedicoNet, Iatrix), spesso non integrati nativamente con strumenti AI moderni. Nel 2026 stanno arrivando i primi moduli AI in questi gestionali, ma l’adozione è lenta per ragioni anagrafiche e di formazione.

I tool più utili nella pratica del MMG sono ad oggi tre. Trascrizione visite con generazione automatica della nota in cartella, integrabile via assistenti vocali sui dispositivi che il medico già usa. Supporto alla prescrizione, con verifica di interazioni farmacologiche tramite database AI-integrati. Comunicazione asincrona con il paziente, con drafting di risposte a richieste ricorrenti (rinnovo ricette, certificati standard, indicazioni post-visita).

La FNOMCEO ha annunciato nel 2026 un percorso formativo nazionale sull’AI per medici, ancora in fase di definizione operativa. La community AIPIA collabora a livello tecnico-scientifico sulla parte di valutazione dei tool e dei modelli di adozione consapevole.

La regola che separa l’AI utile da quella pericolosa

Il principio operativo che applicherei se fossi un medico oggi è uno solo, e lo ripeto perché non è negoziabile: l’AI può supportare la decisione, mai sostituirla. Ogni output AI va valutato criticamente, ogni segnalazione confermata, ogni bozza di nota clinica riletta prima della firma. La responsabilità professionale è e resta integralmente del medico.

Chi usa l’AI come scorciatoia per pensare meno commette il primo errore clinico. Chi la usa come strumento per liberare tempo per il pensiero clinico fa una scelta intelligente. La differenza è la postura professionale, non la potenza del tool.

L’AI in medicina è arrivata per restare e crescerà nei prossimi anni. Il medico che oggi la rifiuta in toto si sta posizionando per essere meno competitivo nel 2030. Il medico che la abbraccia senza giudizio critico si sta posizionando per fare danni. La via di mezzo intelligente è la difficile, come sempre nelle innovazioni consistenti per la salute pubblica.